移动互联网时代，手机几乎承载了一个人所有的秘密。
用户使用移动终端，不可避免地会在各个层面发生个人隐私的泄露问题，更为严重的是，在技术分析下还可能产生二次泄露问题，一位美国研究生结合搜索引擎与公共部门所发布的全市出租车行程数据，便成功锁定了几位明星的行踪。在商业利益的驱使下，每一个真实的个体都在逐步幻化成为0和1的财富代码。
除非穿越回古代，不然在当今这个时代，让人们离开智能手机是一件不可想象的事。
那么用户只能无奈的接受用“隐私交换便利”吗？
近日，百融云创一项联邦学习国家发明专利授权“一种基于联邦学习的移动终端信用反欺诈预估方法及系统”受到业界关注，这项技术将从底层逻辑上化解“隐私交换便利”的困局。
这项专利的提出绝非偶然之举，百融云创在数据安全、隐私计算领域布局已久，公司很早就认识到数据安全是数字经济的定海神针。
“十四五”规划和2035年远景目标纲要明确提出，要加强涉及国家利益、商业秘密、个人隐私的数据保护，加快推进数据安全、个人信息保护等领域基础性立法，强化数据资源全生命周期安全保护。
数据安全又一次在顶层设计规划层面受到高度重视。
如果说2021年是我国数据安全的政策元年，那么2022年将是数据安全建设全面启动的元年。
数据安全建设离不开隐私计算技术，在商用场景未进入大爆发的时期，现在最重要的就是用一个又一个发明专利进行筑底。
从源头终结移动端隐私泄露
百融云创“一种基于联邦学习的移动终端信用反欺诈预估方法及系统”技术专利有两个关键词，一个是联邦学习，一个是移动终端。
联邦学习已经在多个领域，尤其是金融领域得到有效应用，通过不同机构主体的服务器与服务器之间来进行实现联邦学习，这虽然能为机构间的数据安全带来保障，但终端用户的数据安全却无法得到有效保障，也就是说从个人用户的视角出发，“隐私换便利”的问题依然存在。
百融云创新型专利把创新着眼点放置在个人用户移动终端的数据安全，它能将个人用户和机构之间实现联合建模成为可能。
让我们模拟一个现实的场景，一名用户想要通过移动终端进行线上借款，他首先在申请环节把移动终端的信息传输给金融机构的服务器，机构获取用户移动终端上的信息，比如app列表、通讯信息、地理位置、设备号等，通过机器学习等技术来评估用户信用等级或欺诈风险。
这个过程中，用户移动终端的各类信息几乎都要向机构“坦诚相见”。
在百融云创新型专利的加持下，用户的信息完全无需离开移动终端，就能直接实现与机构间联邦学习模型的构建，从源头上避免了用户端信息泄露的问题。同时在解决数据安全的基础上，还可以联合更多终端信息，提升预估模型准确性。
（技术方案逻辑图如上图所示）
在商业场景中该技术也得到了一定的应用，某金融机构拥有非常可观的存量客群，在分类重建用户结构完善信评模型项目中，通常依托庞大用户的初始样本即“孤岛”数据进行优化AI运算，无法克服数据维度单一、场景狭窄等不足。百融云创应用联邦学习专利技术为该机构升级信评模型，在保证数据隐私安全及合规的基础上，实现融合多方数据信息“孤岛”局限，拔高客户的模型评价指标KS，直接提升AI赋能转化促进资产业务效率，推进与财富管理条线的交叉运营。
这是一颇具项前瞻性的技术创新，也是业内率先提出的技术方案，这将为未来解决数安全与业务发展的问题提供一条全新的解决路径。
一场漫长的未来之战
隐私计算相关专利首次于1986年英国的电信公司Plessey提出申请，至此已历经30多年时间。但必须理性的说，隐私计算技术在场景应用上仍处于“蛮荒阶段”，正如欧洲人初次踏上北美大陆，眼前一片荒芜，但希望无限。
近年来，百融云创立足科技创新，不断加大研发投入，在人工智能、云计算、区块链、隐私计算等领域获得丰硕战果，打造了坚实的护城河，划出优美的经纬线。
很多创新往往需要时间的反复冲刷，才能创造出意向不到的成果。对于隐私计算来说，这注定是一场漫长的未来之战。
